مقایسه روش های زمین آمار و شبکه عصبی مصنوعی در تخمین سطح آب زیرزمینی(مطالعه موردی: دشت نورآباد، استان لرستان)

اسناد مشابه

• تخمین ارتفاع سطح ایستابی در روزهای مختلف سال با استفاده از شبکه ی عصبی مصنوعی شعاعی- مطالعه-ی موردی: دشت بهبهان

  مقالهمحاسبات نرمسعید سلطانی محمدی، saeed soltani-mohammadi department of mining engineering, university of kashan, kashan, iran, saeedsoltani@kashanu.ac.irگروه آموزشی مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه کاشان میثم لک، meysam lak department of mining engineering, isfahan university of technology,2 دانشجوی کارشناسی ارشد مکانیک سنگ، دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان سجاد محمدی، sadjad mohammadi school of mining, petroleum and geophysics engineering, shahrood university of technology, shahrood, iranدانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود محمد امین کربلا

  از مهم ترین ابزارهای برنامه ریزی برداشت از سفره های آب زیرزمینی و انجام پروژه های عمرانی، آگاهی از سطح ایستابی نقاط مختلف منطقه و دسترسی به نقشه ی خطوط هم تراز آن است. عموماً سطح ایستابی به وسیله ی چاه های پیزومتریک در منطقه و استفاده از روش های مختلف تخمین به دست می آید. محدودیت

• مقایسه کارایی روش‏های نروفازی، شبکه عصبی مصنوعی و مدل‏های آماری در تخمین رسوب معلق رودخانه‌ها(مطالعه موردی: بالادست حوضه طالقان)

  مقاله۲۰۱۶مرتع و آبخیزداریامین ذرتی پور

  برآورد دقیق میزان رسوب معلق رودخانه‌ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه‌ها، طراحی کانال‏ها و لایروبی آنها بعد از سیلاب‏ها، تعیین خسارت‏های ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روش‏های متعددی به‌منظور برآورد بار معلق رودخانه‌ها وجود دارد. یکی از این روش‏ه

• تخمین ارتفاع سطح ایستابی در روزهای مختلف سال با استفاده از شبکه‌ی عصبی مصنوعی شعاعی- مطالعه-ی موردی: دشت بهبهان

  مقاله۲۰۲۱محاسبات نرمسعید سلطانی محمدی، میثم لک، سجاد محمدی، محمد امین کربلا

  از مهم‌ترین ابزارهای برنامه‌ریزی برداشت از سفره‌های آب زیرزمینی و انجام پروژه‌های عمرانی، آگاهی از سطح ایستابی نقاط مختلف منطقه و دسترسی به نقشه‌ی خطوط هم تراز آن است. عموماً سطح ایستابی به وسیله‌ی چاه‌های پیزومتریک در منطقه و استفاده از روش‌های مختلف تخمین به دست می‌آید. محدودیت

• تخمین خصوصیات مکانیکی به روش آنالیز آماری، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان (مطالعه موردی: نمونه های مرتبط به ساختگاه سد مخزنی گدار- خوش)

  مقاله۲۰۲۳مهندسی عمران و محیط زیست دانشگاه تبریزامیر آزادمهر، محمد رضا مطهری، هورمان غروی، محسن صفاریان

  با توجه به مشکلات اجرای آزمایش‌ها بخصوص در سنگ‌های ضعیف و هزینه بر بودن این آزمایش‌ها، می‌توان با بررسی روابط بین ویژگی‌های مکانیکی و فیزیکی، هزینه آزمایشات تعیین خصوصیات مکانیکی را کاهش داد. در این پژوهش آزمایش‌های پتروگرافی، فیزیکی و مکانیکی بر روی 62 مغزه از سنگ‌های شیل و مارن

• مقایسه ضرایب تشت برآورد شده با استفاده از روش های تجربی، شبکه عصبی مصنوعی و عصبی- فازی در برآورد تبخیر و تعرق گیاه مرجع

  مقاله۲۰۱۲فیزیک زمین و فضاعلی اکبر سبزی پرور، مجتبی شادمانی

  در این تحقیق کارایی روش های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ann) و سامانه استنتاج عصبی- فازی تطبیقی (anfis)در برآورد ضریب تشت رده a و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک

• مقایسة روش‌های زمین‌آماری و شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف (مطالعة موردی: حوضة آبخیز سخوید، یزد)

  مقاله۲۰۱۵مرتع و آبخیزداریسمیه ابدام، علی فتح‌زاده

  در بسیاری از حوضه‌های آبخیز کوهستانی، برف انباشته‌شده در برفچال‌ها ذخیرة درخور ‌توجهی از منابع آب حوضه‌ها را تأمین می‌کند. بنابراین، پایش این رژیم هیدرولوژیکی، به‌ویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب به‌شمار می‌رود. به دلیل سخت‌بودن و حتی در برخی مو